M4Bench发布临床EHR推导基准

Hannes Ill等作者发布 M4Bench，用 28 个临床推导任务（覆盖 15 个任务族，基于 MIMIC-IV 和 eICU 数据集）测试 AI 编程智能体能否复现电子健康记录衍生变量，并考察经临床医生审核的智能体技能会如何改变其结果。 该基准以开源形式发布任务、技能、评测代码和脱敏后的逐次运行证据；技能以带版本、可供临床医生审核的 markdown 格式交付，并附任务族层面的参考有效性审计。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。